“Pemusatan Data , Letak Data , Dispresi , Hubugan Antara Modus dan Mean ”
Diajukan Untuk Memenuhi Salah Satu Tugas Mata Kuliah “ STATISTIK PENDIDIKAN”
OLEH:
PRIYADARSINI 1702030047
MEDAN
2019
KATA PENGANTAR
Puji dan syukur penulis ucapkan kepada Allah SWT yang telah memberikan rahmat
dan karunia-Nya kepada penulis sehingga penulis dapat menyelesaikan makalah ini yang
berjudul “ Ukuran Sebaran Data” dengan baik dan lancar. Selanjutnya, tak lupa pula penulis
ucapkan shalawat dan salam kepada Nabi Muhammad SAW yang telah mengantar umat
manusia dari zaman yang gelap gulita ke zaman yang terang benderang ini.
Seterusnya, penulis mengucapkan terima kasih kepada dosen pembimbing yang telah
memberikan petunjuk serta ilmunya kepada penulis sehingga penulis dapat menyelesaikan
makalah ini dengan baik. Penulis juga sangat mengharapkan kritik dan saran untuk makalah
ini demi membangun ketepatan isi dari makalah yang penulis buat. Akhir kata, penulis
ucapkan terima kasih.
A. Latar Belakang
Statistik berasal dari bahasa Latin yang artinya adalah “status” atau negara. Pada
mulanya statistika berhubungan dengan fakta dan angka yang dikumpulkan oleh pemerintah
untuk bermacam-macam tujuan. Statistik juga diturunkan dari kata bahasa Inggris yaitu state
atau pemerintah. Pengertian yang sangat sederhana tentang statistic adalah sebagai suatu
kumpulan data yang berbentuk angka dan tersusun rapi dalam suatu tabel, grafik, gambar,
dan lain-lain. Misalnya tabel mengenai keadaan pegawai di kantor-kantor, grafik
perkembangan jumlah penduduk dari waktu ke waktu, dan lain sebagainya. Sedangkan
pengertian yang lebih luas mengenai statistik adalah merupakan kumpulan dari teknik
mengumpulkan, analisis, dan interpretasi data dalam bentuk angka. Dan statistik juga
merupakan bilangan yang menunjukkan sifat-sifat (karakteristik) data yang dikumpulkan
tersebut.
Statistika dapat didefinisikan sebagai suatu ilmu pengetahuan yang berhubungan
dengan cara-cara mengumpulkan fakta/data, pengolahan data, kemudian menganalisis data
tersebut sehingga dapat diperoleh suatu kesimpulan/keputusan. Penggunaan istilah statitika
berakar dari istilah - istilah dalam bahasa latin “modern statisticum collegiums (“dewan
negara”) dan bahasa Italian statista (“negarawan” atau “politikus”). Pada abad ke 19 dan awal
abad ke 20 statistika mulai banyak menggunakan bidang-bidang dalam matematika, terutama
peluang.penggunaan statistika pada masa sekarang dapat di katakan telah menyentuh semua
bidang ilmu pengetahuan, mulai dari astronomi hingga linguistika. Meskipun ada pihak yang
menganggap statistika sebagai cabang dari matematika tetapi sebagian pihak lainya
menganggap statistika sebagai bidang yang banyak terkait dengan matematika melihat dari
sejarah dan aplikasinya.
B. Rumusan Masalah
1. Apa definisi ukuran penyebaran data?
2. Jelaskan jenis-jenis ukuran penyebaran data?
3. jelaskan letak data?
4. jelaskan pemusatan data?
C. Tujuan Penulisan
1. Untuk mengetahui dan memahami pengertian ukuran penyajian data.
2. Untuk mengetahui jenis-jenis ukuran penyajian data.
D. Metode Penulisan
1. Pengumpulan data dari berbagai buku sebagai sumber referensi.
2. Pencarian data dari situs-situs internet.
BAB II
PEMBAHASAN
1. Pemusatan Data
A. MEAN /RATA-RATA
Rata-rata (mean) adalah ukuran pemusatan lokasi yang banyak digunakan dalam statistika.
Ukuran ini mudah dengan memanfaatkan semua data yang dimiliki.Namun demikian
kekurangan dari ukuran pemusatan rata-rata ini sangat dipengaruhi nilai ekstrim.
Penghitungan rata-rata dilakukan dengan menjumlahkan seluruh nilai data suatu kelompok
sampel, kemudian dibagi dengan jumlah sampel tersebut. Jadi jika suatu kelompok sampel
acak dengan jumlah sampel n, maka bisa dihitung rata-rata dari sampel tersebut dengan
rumus sebagai berikut.
Keterangan:
= rata-rata hitung
xi = nilai sampel ke-i
n = jumlah sampel
* Rata-Rata Sementara
* Rata-Rata Tertimbang.
Keterangan:
= rata-rata tertimbang
xi = nilai data ke-i
wi = bobot data ke-i
n = jumlah data
* Rata-Rata Gabungan
Misalkan ada n buah populasi terhingga dengan ukuran populasi f1,f2,……,fn maka akan
mempunyai rata-rata populasi maka rata-rata gabungan dari semua populasi adalah:
Keterangan:
= rata-rata hitung
xi = nilai sampel ke-i
fi = frekuensi ke-i
n = jumlah sampel
B. MEDIAN
Median adalah nilai tengah dari data yang telah disusun berurutan mulai dari yang terkecil
sampai dengan yang terbesar. Secara matematis median dilambangkan dengan Me yang dapat
dicari dengan cara sebagai berikut.
Keterangan:
Me = Median
n = jumlah data
x = nilai data
C. MODUS
Modus adalah nilai yang memiliki frekuensi terbanyak dalam seperangkat data. Modus untuk
data yang disusun dalam bentuk kelas interval (data berkelompok) bisa ditentukan
berdasarkan nilai tengah kelas interval yang memiliki frekuensi terbanyak.
Namun nilai yang dihasilkan dari nilai tengah kelas interval ini adalah nilai yang kasar. Nilai
modus yang lebih halus bisa diperoleh dengan menggunakan rumus di bawah ini.
Mo = modus
b = batas bawah kelas interval dengan frekuensi terbanyak
p = panjang kelas interval
b1 = frekuensi terbanyak dikurangi frekuensi kelas sebelumnya
b2 = frekuensi terbanyak dikurangi frekuensi kelas sesudahnya
Pada suatu distribusi frekuensi, hubungan antara rata-rata, median dan modus adalah sebagai
berikut.
1. Jika rata-rata, median dan modus memiliki nilai yang sama, maka nilai rata-rata, median
dan modus akan terletak pada satu titik dalam kurva distribusi frekuensi. Kurva distribusi
frekuensi tersebut akan terbentuk simetris.
2. Jika rata-rata lebih besar dari median, dan median lebih besar dari modus, maka pada kurva
distribusi frekuensi, nilai rata-rata akan terletak di sebelah kanan, sedangkan median terletak
di tengahnya dan modus di sebelah kiri. Kurva distribusi frekuensi akan terbentuk menceng
ke kiri.
3. Jika rata-rata lebih kecil dari median, dan median lebih kecil dari modus, maka pada kurva
distribusi frekuensi, nilai rata-rata akan terletak di sebelah kiri, sedangkan median terletak di
tengahnya dan modus di sebelah kanan. Kurva distribusi frekuensi akan terbentuk menceng
ke kanan.
4. Jika kurva distribusi frekuensi tidak simetris (menceng ke kiri atau ke kanan), maka
biasanya akan berlaku hubungan antara rata-rata median dan modus sebagai berikut.Rata-rata
– Modus = 3 (Rata-rata – Median)
2. Ukuran Letak
Untuk mengetahui lebih mendalam terkait karakteristik data, selian mengetahui ukuran
tendesni sentral, kita juga perlu untuk mengetahui ukuran letak suatu data.
Ukuran letak dinyatakan dalam fraktil. Fraktil adalah nilai yang menbagi data yang berurutan
menjadi beberapa bagian, diantaranya kuartil, desil, persentil.
a. Kuartil
Kuartil merupakan ukuran letak yang membagi data yang sudah diurutkan menjadi empat
bagian sama banyak, masing-masing bagian mempunyai 25% data.
Kelompok data memiliki 3 kuartil yakni kuartil bawah (Q1), kuartil tengah atau median (Q2),
Quartil atas (Q3).
Contoh :
Dari tebel diatas, hitunglah nilai kuartil atas, kuartil tengah dan kuartil bawah
Jawab :
Tentukan letak kuartil tengah (kelas yang terdapat Q2) = 2/4 (n+1) = ½ 41 = 20,5
maka kelas yang memuat Q2 adalah kelas 60-69
Tentukan letak kuartil bawah (kelas yang terdapat Q1) = ¼ (n+1) = ¼ 41 = 10,25
maka kelas yang memuat Q1 adalah kelas 50-59
Jadi nilai Q2 = 67
b. Desil
Desil merupakan ukuran letak yang membagi data yang sudah diurutkan dari terkecil
hingga terbesar menjadi sepuluh bagian sama banyak. Jadi masing-masing bagian memiliki
10 % data keseluruhan dan memiliki 9 nilai desil.
Contoh :
Nilai Frekuensi
0-9 4
10-19 9
20-29 86
30-39 198
40-49 235
50-59 281
60-69 113
70-79 57
80-89 10
90-99 7
Jawab :
Membuat tabel frekuensi dan frekuensi komulatif
Nilai Frekuensi Frekuensi
Komulatif
0-9 4 4
10-19 9 13
20-29 86 99
30-39 198 297
40-49 235 532
50-59 281 813
60-69 113 926
70-79 57 983
80-89 10 993
90-99 7 1000
Jumlah 1000
- desil ke 3
- Desil ke-6
- desil ke 9
c. Persentil
Persentil adalah ukuran letak yang membagi kumpulan data yang sudah diurutkan menjadi
100 bagian sama banyak dan tiap persentil memiliki bagian 1% data serta sekumpulan data
terdapat 99 buah persentil.
Hitunglah nilai persentil ke-12 dan persentil ke-78 dari data berikut :
Nilai Frekuensi
0-9 4
10-19 9
20-29 86
30-39 198
40-49 235
50-59 281
60-69 113
70-79 57
80-89 10
90-99 7
Jawab :
- persentil ke-12
Menentukan letak persentil ke-12
P12 letaknya pada data ke 12/100 (1000) = 120
Maka kelas yang memuat P12 adalah kelas 30-39
Sehingga nilai persentilnya
Maka nilai persentil ke-12 adalah 30,56
- persentil ke-78
Adakalanya dalam suatu penelitian kita memerlukan informasi terkait ukuranpenyebaran data
ini.
Ukuran penyebaran data merupakan ukuran yang menyatakan seberapa jauh penyimpangan
nilai data dari nilai pusatnya atau berapa banyak nilai data yang berbeda dengan pusatnya.
a. Range (jangkauan)
Range adalah ukuran data yang paling sederhana. Range merupakan selisih antara data
terbesar dan terkecil. Dirumuskan :
R = X max – X min
Jawab :
Simpangan Rata – rata adalah ukuran yang menunjukan rata-rata dari harga mutlak deviasi
tiap data terhadap nilai rata-rata yang merupakan harga mutlak simpangan-simpangannya.
Untuk data tunggal dirumuskan:
Sedangkan untuk data kelompok dirumuskan :
Contoh :
Hitunglah nilai SR (simpangan rata-rata) dari data berikut
Nilai Frekuensi(fi)
40-49 3
50-59 7
60-69 10
70-79 5
80-89 3
90-99 2
Jawab :
terlebih dahulu melengkapi tabel dengan data yang diperlukan
dan mean (x) dari data telah dihitung adalah 65,83
Simpangan Baku adalah ukuran yang menunjukan deviasi standar data pengamatan terhadap
rata-ratanya. Dari pada simpangan rata-rata, simpangan baku dianggap merupakan ukuran
penyebaran yang lebih baik. Hal ini dikarenakan ukuran ini tidak menggunakan asumsi nilai
mutlak terhadap deviasi, tetapi menggunakan asumsi kuadrat dari deviasi.
Contoh:
Jawab :
Melengkapi tabel dengan nilai yang dibutuhkan
dengan rata-rata : 67,75
Gambar Deviasi
Simpangan kuartil hampir sama dengan range, karena dihitung dari selisih atau jarak nilai
tertinggi dan nilai terendah suatu data. Simpangan kuartil bisa menghitung jarak antara nilai
tertinggi dengan nilai terendah dari setengah banyaknya data. Dirumuskan menjadi:
Qd = ½ (Q3-Q1)
Qd = Simpangan kuartil
Q3 = Quatil atas
Q1 = kuartil Bawah
A. Pengertian Ukuran Penyebaran Data
Ukuran penyebaran adalah suatu ukuran baik parameter atau statistik untuk
mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya. Mengapa
kita mempelajari ukuran penyebaran tersebut? Karena kita merasa bahwa mengetahui nilai
tengah saja kurang cukup, tanpa disertai dengan pengetahuan tentang seberapa besar data
tersebut menyebar disekitar nilai tengahnya. Dengan memahami unsur penyebaran data
diharapkan kita tidak menarik kesimpulan yang salah.
Penyebaran adalah perserakan data individual terhadap nilai rata-rata. Penyebaran
disebut juga dispersi. Data homogen memiliki penyebaran yang kecil, sedangkan data yang
heterogen memiliki penyebaran yang besar.
Kegunaan Ukuran Penyebaran :1) Untuk menentukan apakah suatu nilai rata-rata
dapat mewakili suatu rangkaian data / tidak, 2) Untuk perbandingan terhadap variabilitas
data, misalnya data curah hujan, suhu udara, dsb, dan 3) Membantu penggunaan ukuran
statistik, misalnya dalam membandingkan ukuran penyebaran sampel terhadap populasi.
1. Range
Range disebut juga rentang/jangkauan. Range adalah jarak antara data terbesar
dengan data terkecil, atau jangkauan yang menyatakan perbedaan dari nilai terbesar dan
terkecil dari suatu jajaran data.
Range biasa diberi lambang R adalah satu ukuran statistik yang menunjukkan jarank
penyebaran antara nilai yang terendah (lowest score) sampai nilai tertinggi (highest
score). Dengan singkat dapat dirumuskan:
R = H – L.
R = Range atau nilai yang kita cari.
H = Skor atau nila yang tertinggi (highest score).
L = Skor atau nilai yang terendah (lowest score).
TABEL
Perhitungan range nilai hasil tes untuk lima acam bidang study
yang diikuti oleh tiga orang calon yang mengikuti tes seleksi
panerimaan calon mahasiswa baru
pada sebuah perguruan tinggi agama islam
R=H- Jumlah
Nilai yang dicapai H L Mean
L niali
NO NAMA
Bhs. Bhs.
pkn pnjs Bhs.indo
arab ingg
1. Ega 85 65 76 45 65 85 45 40 325 65
2. Nunu 58 65 72 60 70 72 58 14 325 65
3. Yuni 65 65 65 65 65 65 65 0 325 65
Keterangan:
Kolom 3-7 menunjukkan distribusi nilai hasil yang dicapai oleh tiga orang calon.
Kolom 8 memuat nilai tertinggi (higbest score) masing-masing calon.
Kolom 9 memuat nilai terendah (lowest score) masing-masing calon.
Kolom 10 menunjukkan jumlah seluruh nilai.
Kolom 11 adalah mean (nilai rata-rata) yang dicapai oleh masing-masing calon.
Dari tabel tersebut menunjukkan bahwamakin kecil jarak penyebaran nilai dari nilai
terendah sampai nilai tertinggi, akan semaakin homogen (concentrated) distribusi nilai
tersebut. Sebaliknya makin besar range-nya, akan makin berfariasi nilai-nilai yang dada
dalam distribusi nilai tersebut.
Selain itu berdasar pada range kita juga dapat mengatakan bahwa kian kecil range dari
suatu distribusi data, kian cenderung bagi diri kita untuk menganggap bahwa mean yang kita
peroleh merupakan wakil yang persentatif data yang bersangkutan; sebaliknya kian besar
range-nya, kita akan lebih cenderung untuk menganggap bahwa mean yang kita peroleh itu
sifatnya meragukan.
b. Penggunaan Range
Range kita gunakan sebagai ukuran, apabila didalam waktu sangat singkat kita ingin
memperoleh gambaran tentang penyebaran data yang sedang kita selidiki dengan
mengabaikan faktor ketelitian atau kecermatan.
2. Deviasi
Dalam statistik, yang dimaksud dengan deviasi adalah selisih atau simpangan dari
masing-masing skor atau interval, dari nilai rata-rata hitungnya.
Deviasi merupakan salah satu ukuran variabilitas data yang biasa dilambangkan
dengan huruf kecil dari huruf yang digunakan bagi lambang skorya. Jadi apabila skornya
diberi lambang X maka deviasimya berlambang x, jika skornya berlambnag Y maka lambang
deviasinya berlambang y.
Karena deviasi merupakan simpangan atau selisih dari masing-masing skor terhadap
mean groupnya, maka sudah barang tentu akan terdapat dua jenis deviasi, yaitu: 1) deviasi
yang berada di atas Mean, dan 2) deviasi yang berada di bawah Mean.
Deviasi yang berada diatas mean dapat diartikan sebagai “selisih lebih”; kerenanya
deviasi semacam ini akan bertanda plus (+), dan lazim dekenal dngan istilah deviasi positif.
Adapun deviasi yang berada dibawah mean dapat diartikan sebagai “selisih kurang” oleh
karena itu, selalu bertanda minus (-), dan lazim dengan istilah deviasi negatif.
Perlu diingat bahwa semua deviasi baik yang bertanda plus maupun yang bertanda
minus apabila kita jimlahkan, hasilnya pasti sama dengan nol (0).
Guna memperjelas uraian yang telah dikemukakan diatas, marilah kita perhatikan
contoh berikut ini.
Skor (x) Banyaknya (f) Deviasi (x=X-Mx)
8 1 8 - 6 = +2 a. Deviasi Rata-rata
7 1 7 - 6 = +1 Deviasi rata-rata adalah
6 1 6-6=0 jumlah harga mutlak deviasi dari
5 1 5 - 6 = -1 tiap-tiap skor, dibagi dengan
banyaknya skor itus endiri. Seperti
4 1 4 - 6 = -2
terlihat pada tabel diatas, jika seluruh
deviasi kita jumlahkan, hasilnya
30 = ∑X 5=N 0 = ∑x
pasti sama dengan nol (∑x=0).
Karena jumlah deviasi akan selalu sama dengan nol, maka kalau deviasi itu kita gunakan
sebagai ukuran untuk mengetahui variabilitas data tidak akan ada gunanya sama sekali. Oleh
karena itulah agar deviasi dapat digunakan sebagai ukuran variabelitas, dalam menjumlahkan
deviasi itu tanda-tanda aljabar (yaitu tanda + dan -) yang terdapat di depan deviasi sebaiknya
diabaikan. Dengan kata lain, agar deviasi dapat dimanfaatkan sebagai ukuran variabilitas,
maka penjumlahan itu dilakukan terhadap harga mutlaknya. Setelah harga mutlak deviasi
dijumlahkan, lalu dihitung rata-ratanya. Dengan demikian, apabila pengertian tentang deviasi
rata-rata kita formulasikan dalam bentuk rumus adalah sebagai berikut:
Deviasi
Nilai (X) F
(x = X – Mx)
73 1 +3
78 1 -8
60 1 -10
70 1 0
62 1 -8
80 1 + 10
67 1 -3
490 = ∑X 7=N 42 = ∑x
b. Deviasi Standar
Diatas telah dikemukakan bahwa devisi rata-rata sebagaisalah satu ukuran variabelitas
data ditilik segi matematika memiliki kelemahan yang sangat mendasar karena menganggap
sama antara deviasi yang bertanda “plus” dengan deviasi yang bertanda “minus”.
Disebut deviasi standar, karena deviasi rata-rata yang tadinya memiliki kelemahan,
telah dibakukan atau distandaraisasi, sehingga memiliki distandarisasikan, sehingga kadar
kepercayaan atau reliabilitas yang lebih mantap, oleh karena itu, dalam dunia analisis statistik
deviasi standar ini mempunyai kedudukan yang amat penting. Deviasi standar yang umum
diberi lambang: δ atau: SD.
Jika ungkapan diatas kita tuangkan dalam bentuk rumus, maka rumus umum deviasi
Contoh:
Misalkan data yang disajikan pada tabel (daviasi rata-rata), kita cari deviasi standarnya, maka
proses perhitungannya berturut-turut adalah sebagai berikut:
Perhitungan SD dari data yang disajikan (deviasi rata-rata)
Deviasi
X F X2
(x = X – Mx)
73 1 +3 +9
78 1 -8 + 64
60 1 -10 + 100
70 1 0 0
62 1 -8 + 64
80 1 + 10 + 100
67 1 -3 +9
490 = ∑X 7=N 0 = ∑x 346 = ∑X2
Langkah perhitungannya:
1. Mencari deviasi x: x = X – Mx
2. Menguadratkan x sehingga diperoleh x2, setelah itu dijumlahkan, sehingga diperoleh
∑x2 = 346.
3. Mencari deviasi standarnya
Ternyata SD-nya lebih besar d aripada AD-nya. Hasil perhitungan SD ini lebih teliti daripada
hasil perhitungan AD.
3. Variansi
Variansi adalah salah satu ukuran dispersi atau ukuran variasi. Varians dapat
menggambarkan bagaimana berpencarnya suatu data kuantitatif. Varians diberi simbol
σ2 (baca: sigma kuadrat) untuk populasi dan untuk s2 sampel. Selanjutnya kita akan
menggunakan simbol s2 untuk varians karena umumnya kita hampir selalu berkutat dengan
sampel dan jarang sekali berkecimpung dengan populasi. Rumus untuk menghitung varians
ada dua , yaitu rumus teoritis dan rumus kerja. Namun demikian, untuk mempersingkat
tulisan ini, maka kita gunakan rumus kerja saja. Rumus kerja ini mempunyai kelebihan
dibandingkan rumus teoritis, yaitu hasilnya lebih akurat dan lebih mudah mengerjakannya.
Sifat penting varians adalah varians kombinasi (combined/pooled variance). Jika
terdapat beberapa kumpulan data (distribusi frekuensi) dengan masing-masing banyaknya
data Ni dan variasinya S2x.i. maka varians kombinasinya adalah:
4. Ukuran Penyebaran Relatif
Variansi merupakan ukuran penyebaran mutlak. Variansi5 cm untuk jarak 100m dan
variansi 5cm untuk jarak 10m tentu mempunyai pengaruh yang berbeda. Demikian pula
variansi 5 untuk satuan pengukuran cm tentu tidak dapat dibandingkan. Untuk mengukur
pengaruh demikian dan untuk membandingkan nilai-nilai yang mempunyai satuan
pengukuran yang berbeda, dugunakan ukuran penyebaran relatif.
Salah satu ukuran penyebaran relatif yang lazim digunakan adalah koefisien variasi
yang dilambangkan dengan KV .
Misalnya, kita mempunyai data nialai ujian statistika untuk dua kelompok mahasiswa.
Kelompok pertama mempunyai nilai rata-rata 37 dan simpangan baku 3, dan kelompok kedua
mempunyai nilai rata-rata 75 dan simpangan baku 4. Kita tidak dapat mengatakan bahwa
kelompok pertama (simpangan baku = 3) lebih homogen daripada kelompok kedua
(simpangan baku = 4) karena kedua kelompok mempunyai nilai rata-rata yang berbeda.
Penyebaran relatifnya dengan mudah dapat dihitung sebagai berikut.
KV (kelompok pertama) = (3/37) x 100% = 8,11%
KV (kelompok kedua) = (4/47) x 100% = 5,33%
Hasil perhitungan menunjukkan bahwa kelompok kedua (KV = 5,33%) lebih homogen
daripada kelompok pertama (KV = 8,11%).
Perlu diperhatikan bahwa koefisiean variasi adalah ukuran penyebaran yang tidak
tergantung pada satuan pengukuran yang digunakan. Satuan pengukuran apapun yang
digunakan, simpangan baku dan rata-rata mempunyai satuan pengukuran yang sama,
sehingga hasil baginya menghilangkan pengaruh satuan pengukuran itu. Dengan demikian.
Membandingkan koefisiean variasi beberapa kelompok data dapat dilakukan tanpa
mengetahui satuan pengukuran yang digunakan.
Ukuran kemiringan adalah ukuran yang menyatakan derajat ketidak simetrisan suatu
lengkungan halus (kurva) dari suatu distribusi frekuensi.
Ada beberapa cara untuk menghitung derajat kemiringan data yaitu sebagai berikut :
1. Rumus Pearson :
2. Rumus Momen
Ukuran keruncingan / kurtosis (k) adalah ukuran mengenai tinggi rendahnya atau runcingnya
suatu kurva. Keruncingan distribusi data adalah derajat atau ukuran tinggi rendahnya puncak
suatu distribusi data terhadap distribusi normalnya data. Keruncingan distribusi data disebut
kurtosis.
1. Koefisien keruncingan
Untuk mencari nilai koefisien keruncingan, dibedakan antara data tunggal dan
data kelompok.
Contoh:
Penyelesaian :
Karena nilainya 1,08 (lebih kecil dari 3) maka distribusinya adalah distribusi platikurtik.